找会议，上manbext客户端下载 ManbetX官方
万博手机APP 发布活动
订单查询
  • 参会报名
  • 会议介绍
  • 会议日程
  • 会议嘉宾
  • 参会指南

医学影像组学人工智能应用实践培训班9月线上班
收藏人
分享到

医学影像组学人工智能应用实践培训班9月线上班已过期

发票类型：增值税普通发票 增值税专用发票

        会议介绍

        医学影像组学人工智能应用实践培训班9月线上班

        各企事业单位、高等院校及科研院所：

        一、培训目标：

        1、为每位学员统一配置数据标注、格式转化、训练模型（病灶识别、病灶位置、病灶分割）的集成试验平台，以方便零基础学员迅速进入实验验证。

        2021年09月23日-2021年9月26日远程在线授课

        课程配备Onekey医学实验平台
        1. 2D影像分类，涉及病灶识别，疾病类型诊断。
        2. 2D影像分割，病灶区域分割。
        3. 2D感兴趣区域检测
        1. 3D器官组织识别
        2. 3D影像疾病诊断

        1. ResNet、VGG、InceptionV1-V4
        2. FCN、MaskRCNN、UNet
        3. SSD、YOLO V1-V4
        1. Med3D、Unet3D、PraNet、Vnet、DenseNet3D、HyperDenseNet
        2. 等常见医学影像处理网络结构

        1. 结构化数据
        2. CT数据
        3. 超声数据
        4. MRI数据
        1. X-Ray数据
        2. 时间序列数据
        3. 2D、3D数据

        1. 数据标注
        2. 数据预处理
        3. 数据适配
        1. 模型适配
        2. 自动调取算力

        1. 多样化、多种类实验并行
        2. 底层代码模块化
        1. 升级优化路径开放，升级、扩展、迁移逻辑清晰

        一、结构化数据

        二、医院影像数据--分类任务

        三、医学影像数据--分割任务

        1. 图像分割网络详解。

        1. 数据的预处理。

        1. 案例上手联系：基于UNet的图像分割方法。人脑肿瘤分割或者皮肤疾病病灶区域分割二选一。

        北京仕而优教育科技集团有限公司

        会议日程

        （最终日程以会议现场为准）

              1. 数据集配置
              2. 模型训练
              3. 模型预测效果分析

        1. 分类影像学的通用解决方案
              1. Labelme数据标注
              2. 标注数据自动转化配置
              3. 一键使用Onekey进行训练
        1. 检测影像学的通用解决方案
        2. 分割影像学的通用解决方案
        3. 3D标注软件ITK-SNAP

        1. 模型训练中基本概念
              1. 学习率
              2. 损失函数等
              3. 过拟合问题
              4. 初始化函数
        1. 迁移学习
              1. 如何进行迁移学习
              2. 模型参数如何进行迁移
        2. 如何在Onekey中进行超参调整和迁移学习

        1. 实验环境配置要求
        2. 实验环境配置介绍
        1. 深度学习开发环境搭建
        2. 实验室环境计算资源配置

        1. 图像分类网络详解。
              1. 面向精度的图像识别网络，LeNet、AlexNet、VGG、Inception、ResNet等。
              2. 面试速度的图像识别网络，MobileNetV1、MobileNetV2、ShuffleNet等。
        2. CT数据的预处理。
        1. 训练数据的如何进行划分，如何进行裁剪。
        2. 为应对数据量不足的情况，在训练模型的过程中如何对数据进行实时的数据增强。
        1. 案例上手练习
        1. 数据集如何使用。
        2. 自己的数据如何适配到给定的算法。
        3. 其它可能扩展的任务场景介绍，例如肝炎CT数据识别等。

        1. 图像分割网络详解。
        1. FCN，第一个基于全卷积的图像分割算法。
        2. DeepLab V1-V3系列算法介绍。
        3. UNet及其衍生算法在图像分割，尤其是医学影像数据的分割算法中的应用。
        1. 数据的预处理。
        1. 数据集介绍，分割算法依赖的数据包括那几个重要的部分。
        2. 如何对分割数据形成对应的mask。
        1. 案例上手联系：基于UNet的图像分割方法。
        1. 如何将自己的数据适配到UNet算法。
        2. 其他可能扩展到的分割场景。
        3. 如何使用已经训练的模型，对未知的数据进行预测。

        1. 影像组学应用进展研究
        2. 影像组学核心思想剖析
        1. 影像组学分析流程介绍
        2. 深度学习的发展及趋势

        1. 影像组学SCI论文书写流程
        2. 影像组学SCI论文评价标准
        3. 影像组学专利申请流程
        1. 影像组学专利撰写要点
        2. 影像组学基金的撰写思路

        1. 0基础入门Python
        2. NumPy库基础解读
        1. Pandas库基础解读
        2. 图像预处理方法介绍

        1. Onekey中用到的Pytorch接口
        2. 如何生成指定的数据生成器
        1. 优化器和一些模型参数
        2. 保存加载模型

        会议嘉宾

        即将更新，敬请期待

        参会指南

        五、培训费用：

        注：请学员带两寸彩照一张（背面注明姓名）、身份证复印件和学历证明复印件各一张。

        标签： 人工智能 影像组学

        您可能还会关注

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同，每抵用1元可使用的积分也不一样，具体可参见PLUS会员页面。 仅PC站支持。

        主办方没有公开参会单位

        录入信息

        • 联系我们

        Baidu
        map